Sorotan paling tajam terhadap Meta AI kini bukan lagi sekadar soal seberapa cepat sistem itu menjawab, melainkan apakah jawabannya benar, masuk akal, dan aman dipakai. Di tengah persaingan kecerdasan buatan yang makin ketat, model Llama justru dinilai belum berhasil memanfaatkan keuntungan besar yang dimiliki Meta dari ekosistem WhatsApp dan Instagram.
Kondisi ini membuat pertanyaan tentang masa depan Llama semakin keras terdengar. Skala pengguna yang sangat besar ternyata tidak otomatis melahirkan keunggulan teknologi, apalagi jika penalaran, arah riset, dan perlindungan pengguna belum berjalan seiring.
Kecepatan belum cukup untuk menutup kelemahan
Llama memang dikenal mampu memberi respons dengan cepat. Namun kecepatan itu tidak selalu dibarengi kemampuan penalaran yang kuat, terutama saat berhadapan dengan pertanyaan logika yang kompleks.
Sejumlah pengujian teknis juga menempatkan reasoning Llama masih lemah. Hal ini penting karena pengguna AI umumnya tidak hanya mencari jawaban singkat, tetapi juga jawaban yang tepat dan dapat dipertanggungjawabkan.
Selama ini, Meta terlihat bertumpu pada pembesaran model untuk mengejar ketertinggalan. Llama dikembangkan dengan penambahan parameter dalam jumlah besar, dengan harapan performa ikut naik seiring ukuran model.
Masalahnya, strategi semacam itu mulai menunjukkan batas. Ketika skala terus diperbesar, peningkatan yang dihasilkan tidak lagi sebanding dengan usaha yang dikeluarkan, sehingga muncul gejala diminishing returns.
Arah riset internal ikut memberi tekanan
Di sisi internal, Meta juga disebut menghadapi tantangan dalam menyatukan arah pengembangan AI. Kondisi ini membuat inovasi berjalan kurang stabil dan sulit menjaga konsistensi dari satu langkah ke langkah berikutnya.
Sebagian peneliti senior, termasuk Yann LeCun, mendorong pendekatan yang lebih mendasar seperti world models dan energy-based learning. Pendekatan itu dirancang untuk meniru cara berpikir manusia secara lebih kompleks, bukan hanya membesarkan model dengan parameter tambahan.
Namun, fokus manajemen dinilai lebih condong pada hasil jangka pendek yang mudah dimonetisasi. Akibatnya, riset fundamental tidak selalu mendapat ruang yang cukup untuk berkembang.
Struktur organisasi yang terlalu berorientasi pada metrik performa juga ikut disebut menghambat. Banyak keputusan diambil berdasarkan angka keterlibatan pengguna, bukan dari kualitas teknologi secara menyeluruh.
Kondisi tersebut turut memicu keluarnya sebagian talenta terbaik. Kehilangan sumber daya manusia berkualitas tentu menjadi pukulan bagi ambisi Meta di bidang AI.
Kepercayaan publik ikut terganggu
Di luar kemampuan model, Meta juga masih dibayangi persoalan privasi. Pengumpulan data dalam skala besar menjadi sorotan karena banyak pihak menilai proses persetujuannya kurang transparan.
Kritik lain datang dari peran algoritma di ekosistem platform Meta. Sekitar 70 persen konten di media sosial diatur oleh algoritma, dan sistem semacam itu kerap dipandang dapat memperkuat bias.
Dampaknya tidak kecil karena pengguna bisa makin mudah terjebak dalam echo chamber. Perspektif yang berbeda menjadi semakin sempit, dan dalam beberapa kasus bias algoritma bahkan dinilai dapat memicu diskriminasi terhadap kelompok tertentu.
Situasi itu menunjukkan bahwa AI dalam ekosistem Meta tidak hanya berkaitan dengan efisiensi teknologi. Ada juga tanggung jawab sosial yang ikut melekat pada sistem yang digunakan jutaan orang setiap hari.
Keamanan menjadi titik paling sensitif
Kritik yang paling keras muncul ketika pembahasan bergeser ke urusan keamanan. Beberapa laporan menyebut Meta belum memiliki perlindungan yang cukup kuat untuk mencegah risiko interaksi AI yang berbahaya.
Salah satu kasus yang menarik perhatian publik adalah chatbot yang disebut berinteraksi tidak pantas dengan pengguna di bawah umur. Peristiwa seperti ini memperkuat anggapan bahwa Meta terlalu fokus mengejar engagement.
Ada pula insiden yang melibatkan pengguna lanjut usia. Interaksi dengan AI disebut membuat korban percaya pada karakter fiktif yang tidak nyata, dan kejadian tersebut berakhir fatal.
Rangkaian kasus itu membuat pendekatan “ship fast, fix later” terlihat berisiko tinggi dalam dunia AI. Kesalahan kecil tidak hanya merusak reputasi perusahaan, tetapi juga bisa berdampak langsung pada keselamatan manusia.
Meta masih memiliki infrastruktur besar dan sumber daya yang kuat, tetapi itu tidak otomatis menjamin keunggulan. Jika strategi pengembangan tetap bergantung pada ukuran model dan target jangka pendek, Llama berisiko terus tertinggal dari kompetitor yang lebih adaptif.
Di pasar AI saat ini, kecepatan respons memang penting, tetapi bukan satu-satunya ukuran. Penalaran yang lebih baik, keamanan yang lebih ketat, serta etika penggunaan data menjadi faktor penentu apakah sebuah sistem layak dipercaya, dan tiga hal itu kini masih menjadi tekanan besar bagi Meta AI dan Llama.
Source: www.gadgetdiva.id
